Álgebra Lineal. Tema 12. Geometría de las transformaciones lineales en R
|
|
- Soledad Prado de la Cruz
- hace 6 años
- Vistas:
Transcripción
1 Álgebra Lineal Tema 12. Geometría de las transformaciones lineales en R Grado en Ingeniería Informática Doble Grado en Ingeniería Informática y Administración de Empresas AUTORES: J. S ALAS, A. T ORRENTE Y E.J.S. V ILLASEÑOR
2 Índice general 12. Geometría de las transformaciones lineales en R Matrices y transformaciones ortogonales reales Geometría de las aplicaciones lineales Reflexiones Contracciones y dilataciones Rotaciones Proyecciones ortogonales I
3 Tema 12 Geometría de las transformaciones lineales en R Matrices y transformaciones ortogonales reales Por lo aprendido en temas anteriores, sabemos que, además de a vectores y a subespacios vectoriales, el término ortogonal se aplica a ciertas matrices A Rm n : las que verifican At A = In. En este tema vamos a ver que podemos aplicarlo también a ciertas transformaciones lineales, siempre relacionado con algún producto interno, y también a cómo se relaciona, en estos casos, con el concepto geométrico de ortogonalidad. Comenzamos introduciendo algunos resultados. Teorema Sea A una matriz m n con columnas ortonormales y sean v y w elementos de Rn. Entonces: 1) ka vk = kvk. 2) ha v, A wi = hv, wi. 1
4 3) ha v, A wi = si y sólo si hv, wi =. Las propiedades 1) y 3) dicen que la transformación lineal asociada a A, v 7 A v, conserva la longitud y la ortogonalidad; además, la propiedad 2) garantiza que también se conserva el ángulo. Veamos ahora qué significado e implicaciones tiene la ortogonalidad en las transformaciones lineales. Una transformación lineal T de U en V se dice que es ortogonal si preserva el producto interno de los vectores; es decir, para todo u1, u2 U se cumple que ht (u1 ), T (u2 )i = hu1, u2 i. Proposición Si T : U V es ortogonal entonces preserva la longitud de los vectores: kt (u)k = kuk, para todo u U. En consecuencia, a menudo se denomina a las transformaciones ortogonales isometrías. El siguiente resultado es fundamental para entender una propiedad importante de las transformaciones lineales ortogonales. Proposición Si V es un espacio vectorial de dimensión finita con producto interno sobre R, toda isometría lineal T : V V es un isomorfismo. De aquí resulta que T transforma cualquier base de V en otra base de V; como además preserva la longitud y el ángulo, es claro que: 2
5 Proposición Si V es un espacio vectorial de dimensión finita con producto interno sobre R y el isomorfismo T : V V es ortogonal (isometría), entonces T transforma bases ortonormales en bases ortonormales. Además, las matrices ortogonales están íntimamente relacionadas con las transformaciones ortogonales. Proposición Una transformación lineal T : V V es ortogonal si y sólo si las columnas de la matriz AT que representa a T, relativa a cualquier base ortogonal, forman una base ortonormal de V. Proposición Sea AT una matriz cuadrada que representa una transformación lineal ortogonal T : V V, entonces det(at ) = ±1 y los valores propios de AT satisfacen λi = 1. Otras propiedades interesantes que comparten las matrices ortogonales y las transformaciones lineales que representan son las siguientes: El producto de dos matrices ortogonales es ortogonal. Equivalentemente, la composición de dos transformaciones ortogonales es ortogonal. La inversa de una matriz ortogonal es ortogonal; equivalentemente, la inversa de una transformación ortogonal es una transformación ortogonal. 3
6 Ejemplo Consideremos en R2 la transformación que consiste en rotar los vectores un ángulo π de en sentido contrario a las agujas del reloj. Sabemos que podemos construir una 2 matriz asociada a T, respecto a la base canónica, de la forma: 1 AT = (T (e1 ), T (e2 )) =. 1 Obviamente, esta matriz es ortogonal (podemos comprobarlo verificando que At A = I o también observando que está formada por columnas ortonormales). La transformación T también es ortogonal, pues obviamente conserva la longitud de los vectores (basta comprobar que kvk = kat vk para un vector arbitrario v). Además, T es invertible y su inversa es la transformación S que rota los vectores de π R2 un ángulo de en sentido horario. En este caso: 2 1 AS = (S(e1 ), S(e2 )) =. 1 Es inmediato comprobar que A 1 T = AS y también que AtT = A 1 T. Obsérvese que esta sencilla matriz no es diagonalizable en R ya que sus valores propios λ = ±i no pertenecen a este conjunto de escalares. La situación cambia si consideramos el cuerpo C. 4
7 12.2. Geometría de las aplicaciones lineales f 1 (x) = e x f 2 (x) = x f 3 (x) = 2x f 4 (x) = 2x Figura 12.1: Transformaciones lineales y no lineales Los gráficos de la figura 12.1 muestran aplicaciones de R en R; dos de ellas, f 1 (x) = e x y f 2 (x) = x 2, no son lineales y se puede ver que distorsionan el dominio cuando lo transforman en la imagen. Por otro lado, f 3 (x) = 2x y f 4 (x) = 2x son aplicaciones lineales y claramente expanden el dominio de manera uniforme, multiplicando siempre por el mismo factor. Las únicas aplicaciones lineales de R en R son multiplicaciones por escalares, pero en dimensiones mayores existe una variedad mayor de situaciones. Por ejemplo, la transfor- 5
8 mación lineal de R2 en R2 definida por: x1 cos(θ) sen(θ) x1 7. x2 sen(θ) cos(θ) x2 rota los vectores en sentido antihorario un ángulo θ. θ En las siguientes secciones vamos a ver algunas transformaciones lineales de gran importancia geométrica. Aunque pueden ser generalizadas a otros espacios con producto interno, nos centraremos en los espacios R2 y R3 con el producto escalar habitual, y analizaremos cuáles de ellas son transformaciones ortogonales Reflexiones Una reflexión es una transformación lineal T de un espacio vectorial V en sí mismo, en el que existe un hiperplano de puntos fijos, es decir, de puntos cuyas imágenes por T coinciden con ellos mismos; tal conjunto se denomina hiperplano de reflexión (o bien eje de reflexión si V tiene dimensión 2 ó plano de reflexión en dimensión 3). Intuitivamente, podemos visualizar la imagen de un vector por una reflexión mediante su imagen especular en el hiperplano de reflexión. Veamos algunas reflexiones sencillas, donde todas las coordenadas se refieren a las bases canónicas: 6
9 Reflexión respecto al eje X en R2 Esta reflexión transforma el vector de R2 con coordenadas (x, y)t en el vector (x, y)t. Todos los puntos del eje X son puntos fijos. La matriz asociada a esta transformación lineal viene dada por AT = (T (e1 ), T (e2 )). Claramente, 1 AT =. 1 (x, y)t v T (v) (x, y)t Reflexión respecto al eje Y en R2 Esta reflexión transforma el vector de R2 con coordenadas (x, y)t en el ( x, y)t. Los puntos fijos son los del eje Y. La matriz asociada a esta transformación lineal en esta situación es 1 AT =. 1 ( x, y)t (x, y)t T (v) v 7
10 Reflexión respecto a la bisectriz en R2 Esta reflexión transforma el vector de R2 con coordenadas (x, y)t en el vector (y, x)t, por lo que los puntos fijos son los de la recta y = x. La matriz asociada es 1 AT =. 1 (y, x)t T (v) (x, y)t v Reflexión respecto al origen en R2 Esta reflexión transforma el vector de R2 con coordenadas (x, y)t en el vector ( x, y)t ; de manera que el conjunto de puntos fijos sólo contiene al origen. La matriz asociada es 1 AT =. 1 (x, y)t v T (v) ( x, y)t 8
11 Reflexión respecto al plano XY en R3 Los vectores sobre el plano XY se mueven al semiespacio bajo dicho plano y viceversa, cambiando el signo de la coordenada z. La matriz asociada es 1 AT = 1. 1 Reflexión respecto al plano YZ en R3 Con un razonamiento semejante, se deduce que la matriz asociada es 1 AT = 1. 1 Reflexión respecto al plano XZ en R3 Por último, la matriz asociada a esta transformación es 1. AT = 1 1 Puede comprobarse fácilmente que todas las matrices anteriores representan transformaciones lineales ortogonales. Veámoslo con una de ellas: 9
12 Ejemplo Consideremos la transformación lineal dada por la reflexión respecto al plano XY en R3, con el producto escalar usual. Sean dos vectores arbitrarios u = (u1, u2, u3 )t y v = (v1, v2, v3 )t, con imágenes respectivas T (u) = (u1, u2, u3 )t, T (v) = (v1, v2, v3 )t. Tenemos que ht (u), T (v)i = u1 v1 + u2 v2 + ( u3 )( v3 ) = u1 v1 + u2 v2 + u3 v3 = hu, vi, por lo que es una transformación ortogonal. Alternativamente, podemos observar que la matriz AT (respecto a la base ortonormal canónica) es ortogonal, ya que tiene columnas ortonormales y también porque verifica que AtT AT = I Contracciones y dilataciones Estas transformaciones corresponden a multiplicaciones por escalares de la forma: T (x) = c x donde c es un escalar no negativo. La transformación se denomina contracción si 6 c < 1 y dilatación si c > 1. Contracciones y dilataciones en R2 y R3 Obviamente, las coordenadas de un vector (x, y)t de R2 se transforman en (cx, cy)t. Así, la matriz asociada a esta transformación lineal viene dada por: c AT =. c 1
13 Análogamente, en R3 la matriz asociada a la dilatación/contracción es: c AT = c. c Es evidente que, para c 6= 1, las contracciones no son transformaciones ortogonales. Ejemplo Consideremos la transformación lineal T dada por una dilatación por un factor c 6= 1 en R2 con el producto escalar usual. Consideremos dos vectores arbitrarios u = (u1, u2 )t, v = (v1, v2 )t, cuyas imágenes respectivas son T (u) = (cu1, cu2 )t, T (v) = (cv1, cv2 )t. Tenemos que ht (u), T (v)i = c2 u1 v1 + c2 u2 v2 = c2 (u1 v1 + u2 v2 ) 6= u1 v1 + u2 v2 = hu, vi, por lo que no es una transformación ortogonal Rotaciones Rotación en sentido antihorario en R2 (respecto al origen) Dado un vector v de coordenadas (v1, v2 )t y dada la transformación lineal T que rota el espacio en sentido antihorario un ángulo θ, la matriz asociada está caracterizada 11
14 por T (e1 ) = (cos(θ), sen(θ))t y T (e2 ) = ( sen(θ), cos(θ))t ; así: cos(θ) sen(θ) AT =. sen(θ) cos(θ) Rotación en sentido antihorario respecto al eje X en R3 Es sencillo observar que la matriz asociada viene dada por: 1 AT = cos(θ) sen(θ). sen(θ) cos(θ) Rotación en sentido antihorario respecto al eje Y en R3 Del mismo modo, la matriz asociada viene dada por: cos(θ) sen(θ) AT = 1 sen(θ) cos(θ). Rotación en sentido antihorario respecto al eje Z en R3 Finalmente, la matriz asociada en este caso viene dada por: cos(θ) sen(θ). AT = sen(θ) cos(θ) 1 Las rotaciones en el espacio Rn con el producto escalar usual son transformaciones lineales ortogonales (preservan dicho producto escalar). 12
15 Ejemplo Consideremos la transformación lineal dada por la rotación en sentido horario en R2, con el producto escalar usual, un ángulo θ. Las imagenes de los vectores u = (u1, u2 )t y v = (v1, v2 )t son: T (u) = (u1 cos(θ) u2 sen(θ), u1 sen(θ) + u2 cos(θ))t, T (v) = (v1 cos(θ) v2 sen(θ), v1 sen(θ) + v2 cos(θ))t. Tenemos que ht (u), T (v)i = (u1 cos(θ) u2 sen(θ))(v1 cos(θ) v2 sen(θ)) +(u1 sen(θ) + u2 cos(θ))(v1 sen(θ) + v2 cos(θ)) = u1 v1 cos2 (θ) + u2 v2 sen2 (θ) + u1 v1 sen2 (θ) + u2 v2 cos2 (θ) = u1 v1 + u2 v2 = hu, vi, por lo que es una transformación ortogonal. Se deja como ejercicio comprobar que la rotación dada preserva la longitud de los vectores Proyecciones ortogonales En el Tema 11 introdujimos un tipo especial de transformaciones lineales, los proyectores ortogonales, y estudiamos algunas de sus propiedades. En esta sección vamos a ver algunos ejemplos de proyecciones ortogonales en los espacios R2 y R3. 13
16 Proyección sobre el eje X en R2 Esta proyección transforma cada vector de R2 con coordenadas (x, y)t en el vector (x, )t. La matriz asociada a esta transformación lineal viene dada por: 1 AT =. (x, y)t v T (v) (x, )t Proyección sobre el eje Y en R2 Esta proyección transforma cada vector de R2 con coordenadas (x, y)t en el vector (, y)t y tiene por matriz asociada AT =. 1 (x, y)t v T (v) (x, y)t 14
17 Proyección sobre el eje X en R3 Esta proyección transforma el vector de R3 con coordenadas (x, y, z)t en el vector (x,, )t. La matriz asociada será 1 AT =. Proyección sobre el eje Y en R3 Del mismo modo, esta proyección transforma el vector de R3 con coordenadas (x, y, z)t en el vector (, y, )t. Ahora, la matriz asociada a la transformación lineal será:. AT = 1 Proyección sobre el eje Z en R3 Por último, esta proyección transforma el vector de R3 con coordenadas (x, y, z)t en el vector (,, z)t y tendrá por matriz asociada: AT = 1 15.
18 Proyección sobre el plano XY en R3 Es claro que esta proyección sobre el plano transforma el vector de R3 con coordenadas (x, y, z)t en el vector (x, y, )t. Por tanto, la matriz asociada a esta transformación lineal será: 1. AT = 1 Proyección sobre el plano XZ en R3 Ahora la proyección transforma cada vector de R3 con coordenadas (x, y, z)t en el vector (x,, z)t. Su matriz asociada vendrá dada por: 1 AT =. 1 Proyección sobre el plano YZ en R3 Esta proyección transforma cada vector de R3 con coordenadas (x, y, z)t en el vector (, y, z)t. La matriz asociada a esta transformación lineal será: AT = 1. 1 Es inmediato comprobar que todas las transformaciones descritas verifican las condiciones de proyección ortogonal y que las correspondientes matrices que las representan son idempotentes. No obstante, las proyecciones ortogonales no son transformaciones linea16
19 les ortogonales, es decir, no son isometrías, como ilustra el siguiente ejemplo. Ejemplo Consideremos en R3, con el producto escalar usual, la proyección ortogonal T que proyecta ortogonalmente sobre el plano XY. T transforma los vectores u1 = (1, 1, 1)t y u2 = (,, 1)t en los vectores T (u1 ) = (1, 1, )t y T (u2 ) = (,, )t, respectivamente. Es inmediato comprobar que T no es ortogonal pues no se verifica la definición: ht (u1 ), T (u2 )i = 6= 1 = hu1, u2 i. Alternativamente, también podríamos haber observado que T no preserva la longitud: kt (u1 )k = 2 6= 3 = ku1 k. Otras opciones para probar que no es transformación ortogonal serían calcular el determinante de AT (que vale ) u observar que las columnas de AT no forman una base ortonormal de R3. 17
ALGEBRA. Escuela Politécnica Superior de Málaga
ALGEBRA. Escuela Politécnica Superior de Málaga Tema 1. Espacios Vectoriales. Sistemas de ecuaciones. Espacio vectorial. Espacios vectoriales R n. Dependencia e independencia lineal. Base. Matrices y determinantes.
Más detallesEspacios vectoriales reales.
Tema 3 Espacios vectoriales reales. 3.1 Espacios vectoriales. Definición 3.1 Un espacio vectorial real V es un conjunto de elementos denominados vectores, junto con dos operaciones, una que recibe el nombre
Más detallesDescomposición en valores singulares de una matriz
Descomposición en valores singulares de una matriz Estas notas están dedicadas a demostrar una extensión del teorema espectral conocida como descomposición en valores singulares (SVD en inglés) de gran
Más detallesEjemplo 1 Sea V un espacio con producto interno sobre un cuerpo K. A las transformaciones lineales T : V K las llamamos funcionales lineales.
Facultad de Ingeniería - IMERL - Geometría y Álgebra Lineal 2 - Curso 2008. 1 Transformaciones lineales en espacios con producto interno Notas para el curso de Geometría y Algebra Lineal 2 de la Facultad
Más detallesTema 1: Espacios vectoriales
PROBLEMAS DE MATEMÁTICAS Parte I: Álgebra Primero de Ingeniería Química FACULTAD DE CIENCIAS QUÍMICAS Departamento de Matemáticas Universidad de Castilla-La Mancha Tema 1: Espacios vectoriales 1 Determina
Más detallesUniversidad Nacional de Colombia Departamento de Matemáticas Álgebra Lineal - Grupo 1 Resumen Unidad n 3
Universidad Nacional de Colombia Departamento de Matemáticas 1000003-5 Álgebra Lineal - Grupo 1 Resumen Unidad n 3 Vectores en R n Definición. El conjunto de las n-tuplas ordenadas de números reales se
Más detallesDiagonalización simultánea de formas cuadráticas.
Diagonalización simultánea de formas cuadráticas Lucía Contreras Caballero 14-4-2004 Dadas dos formas cuadráticas, si una de ellas es definida positiva, se puede encontrar una base en la que las dos diagonalizan
Más detallesAutovalores y autovectores Diagonalización y formas canónicas
Autovalores y autovectores Diagonalización y formas canónicas Autovalores y autovectores.propiedades Sea V un espacio vectorial sobre K y f End(V ). Fijada una base de V, existirá una matriz cuadrada A,
Más detallesTema 11.- Autovalores y Autovectores.
Álgebra 004-005 Ingenieros Industriales Departamento de Matemática Aplicada II Universidad de Sevilla Tema - Autovalores y Autovectores Definición, propiedades e interpretación geométrica La ecuación característica
Más detallesTema 2: Teorema de estructura de los grupos abelianos finitamente generados.
ESTRUCTURAS ALGEBRAICAS GRADO EN MATEMÁTICAS. CURSO 215/216 Tema 2: Teorema de estructura de los grupos abelianos finitamente generados. 1.1. Grupo abeliano libre. Bases. Definición 1.1. El grupo Z n con
Más detallesUniversidad Nacional de Colombia Departamento de Matemáticas Álgebra Lineal - Grupo 5 Resumen Unidad n 3
Universidad Nacional de Colombia Departamento de Matemáticas 1000003-5 Álgebra Lineal - Grupo 5 Resumen Unidad n 3 Vectores en R n Definición. El conjunto de las n-tuplas ordenadas de números reales se
Más detallesBase y Dimensión de un Espacio Vectorial
Base y Dimensión de un Espacio Vectorial 201 6Asturias: Red de Universidades Virtuales Iberoamericanas 1 Índice 1 Qué es un sistema generador?... 4 2 Base de un espacio vectorial... 4 3 Dimensión de un
Más detallesProblemas de exámenes de Geometría
1 Problemas de exámenes de Geometría 1. Consideramos los planos π 1 : X = P+λ 1 u 1 +λ 2 u 2 y π 2 : X = Q+µ 1 v 1 +µ 2 v 2. Cuál de las siguientes afirmaciones es incorrecta? a) Si π 1 π 2 Ø, entonces
Más detallesEsta expresión polinómica puede expresarse como una expresión matricial de la forma; a 11 a 12 a 1n x 1 x 2 q(x 1, x 2,, x n ) = (x 1, x 2,, x n )
Tema 3 Formas cuadráticas. 3.1. Definición y expresión matricial Definición 3.1.1. Una forma cuadrática sobre R es una aplicación q : R n R que a cada vector x = (x 1, x 2,, x n ) R n le hace corresponder
Más detalles520142: ALGEBRA y ALGEBRA LINEAL
520142: ALGEBRA y ALGEBRA LINEAL Segundo Semestre 2008, Universidad de Concepción CAPITULO 10: Espacios Vectoriales DEPARTAMENTO DE INGENIERIA MATEMATICA Facultad de Ciencias Físicas y Matemáticas 1 Definición
Más detallesÁlgebra y Geometría Analítica I - LF 2016 Práctica 1: Algunos elementos de la Geometría Analítica
Álgebra y Geometría Analítica I - LF 2016 Práctica 1: Algunos elementos de la Geometría Analítica 1. a) Marcar en un eje los puntos a(1);b( 2) y c(4). b) Hallar los puntos simétricos respecto al origen
Más detallesTransformaciones lineales y matrices
CAPíTULO 5 Transformaciones lineales y matrices 1 Matriz asociada a una transformación lineal Supongamos que V y W son espacios vectoriales de dimensión finita y que T : V W es una transformación lineal
Más detallesÁLGEBRA LINEAL II Práctica
ÁLGEBRA LINEAL II Práctica 3.1-3.2 Geometría afín. (Curso 2012 2013) 1. En un espacio afín real de dimensión 3, se consideran dos sistemas de referencia R = O, ē 1, ē 2, ē 3 } y R = P, ū 1, ū 2, ū 3 },
Más detallesEspacios Vectoriales www.math.com.mx
Espacios Vectoriales Definiciones básicas de Espacios Vectoriales www.math.com.mx José de Jesús Angel Angel jjaa@math.com.mx MathCon c 007-009 Contenido. Espacios Vectoriales.. Idea Básica de Espacio Vectorial.................................
Más detallesELEMENTOS DE GEOMETRÍA. Eduardo P. Serrano
ELEMENTOS DE GEOMETRÍA Eduardo P. Serrano Este Apunte de Clase está dirigido a los alumnos de la materia Elementos de Cálculo Numérico para Biólogos. Tiene por objeto exponer algunos conceptos básicos
Más detallesAlgebra lineal y conjuntos convexos
Apéndice A Algebra lineal y conjuntos convexos El método simplex que se describirá en el Tema 2 es de naturaleza algebraica y consiste en calcular soluciones de sistemas de ecuaciones lineales y determinar
Más detallesEsta definición se puede ampliar a cualquier par de bases de los espacio inicial y final MATRIZ DE UNA APLICACIÓN LINEAL EN BASES ARBITRARIAS
Cambios de base 3 3. CAMBIOS DE BASE Dada una aplicación lineal : y la base,,, se ha definido matriz en bases canónicas de la aplicación lineal a la matriz,, cuyas columnas son las coordenadas de en la
Más detallesVELOCIDAD Y ACELERACION. RECTA TANGENTE.
VELOCIDAD Y ACELERACION. RECTA TANGENTE. 3. Describir la trayectoria y determinar la velocidad y aceleración del movimiento descrito por las curvas siguientes: (a) r (t) = i 4t 2 j + 3t 2 k. (b) r (t)
Más detallesEspacios Vectoriales
Espacios Vectoriales Espacios Vectoriales Verónica Briceño V. noviembre 2013 Verónica Briceño V. () Espacios Vectoriales noviembre 2013 1 / 47 En esta Presentación... En esta Presentación veremos: Espacios
Más detallescomo el número real que resulta del producto matricial y se nota por:
Espacio euclídeo 2 2. ESPACIO EUCLÍDEO 2.. PRODUCTO ESCALAR En el espacio vectorial se define el producto escalar de dos vectores y como el número real que resulta del producto matricial y se nota por:,
Más detallesIntroducción a los espacios vectoriales
1 / 64 Introducción a los espacios vectoriales Pablo Olaso Redondo Informática Universidad Francisco de Vitoria November 19, 2015 2 / 64 Espacios vectoriales 1 Las 10 propiedades de un espacio vectorial
Más detallesALGEBRA 1- GRUPO CIENCIAS- TURNO TARDE- Espacios vectoriales
Resumen teoría Prof. Alcón ALGEBRA 1- GRUPO CIENCIAS- TURNO TARDE- Espacios vectoriales Sea (K, +,.) un cuerpo con característica 0. Podemos pensar K = Q, R o C. Si V es un conjunto cualquiera en el que
Más detallesEl Producto escalar para las comunicaciones (parte 1) Luca Mar9no Apuntes no revisados Cuidado!
El Producto escalar para las comunicaciones (parte ) Luca Mar9no Apuntes no revisados Cuidado! Producto Escalar El producto escalar, también conocido como producto interno o producto punto, es una operación
Más detallesÁLGEBRA LINEAL II Práctica
ÁLGEBRA LINEAL II Práctica 3.1-3.2 Geometría afín. (Curso 2013 2014) 1. En un espacio afín real de dimensión 3, se consideran dos sistemas de referencia R = O, ē 1, ē 2, ē 3 } y R = P, ū 1, ū 2, ū 3 },
Más detallesTEMA 8. GEOMETRÍA ANALÍTICA.
TEMA 8. GEOMETRÍA ANALÍTICA. 8..- El plano. Definimos el plano euclideo como el conjunto de puntos ( x, y) R. Así, cada punto del plano posee dos coordenadas. Para representar puntos del plano utilizaremos
Más detallesRepaso de conceptos de álgebra lineal
MÉTODOS AVANZADOS EN APRENDIZAJE ARTIFICIAL: TEORÍA Y APLICACIONES A PROBLEMAS DE PREDICCIÓN Manuel Sánchez-Montañés Luis Lago Ana González Escuela Politécnica Superior Universidad Autónoma de Madrid Repaso
Más detalles2. Ortogonalidad. En todo el capítulo trabajaremos sobre un espacio vectorial euclídeo U.
2 Ortogonalidad En todo el capítulo trabajaremos sobre un espacio vectorial euclídeo U 1 Vectores ortogonales Definición 11 Dos vectores x, ȳ U se dicen ortogonales si: x ȳ = 0 Veamos algunas propiedades
Más detallesson dos elementos de Rⁿ, definimos su suma, denotada por
1.1 Definición de un vector en R², R³ y su Interpretación geométrica. 1.2 Introducción a los campos escalares y vectoriales. 1.3 La geometría de las operaciones vectoriales. 1.4 Operaciones con vectores
Más detallesEspacios Vectoriales. AMD Grado en Ingeniería Informática. AMD Grado en Ingeniería Informática (UM) Espacios Vectoriales 1 / 21
Espacios Vectoriales AMD Grado en Ingeniería Informática AMD Grado en Ingeniería Informática (UM) Espacios Vectoriales 1 / 21 Objetivos Al finalizar este tema tendrás que: Saber si unos vectores son independientes.
Más detalleses el lugar geométrico de los puntos p tales que p 0 p n o p 0 p o. p x ; y ; z perteneciente a y un vector no
El Plano y la Recta en el Espacio Matemática 4º Año Cód. 145-15 P r o f. M a r í a d e l L u j á n M a r t í n e z P r o f. J u a n C a r l o s B u e P r o f. M i r t a R o s i t o P r o f. V e r ó n i
Más detallesÁLGEBRA LINEAL II Algunas soluciones a la práctica 2.3
ÁLGEBRA LINEAL II Algunas soluciones a la práctica 2. Transformaciones ortogonales (Curso 2010 2011) 1. Se considera el espacio vectorial euclídeo IR referido a una base ortonormal. Obtener la expresión
Más detalles1. ESPACIOS DE HILBERT Y OPERADORES
1. ESPACIOS DE HILBERT Y OPERADORES 1. DEFINICIÓN, PROPIEDADES Y EJEMPLOS Definición. Sea H un espacio vectorial sobre el cuerpo C de los números complejos, un producto escalar sobre H es una aplicación
Más detallesJulio C. Carrillo E. Profesor Escuela de Matemáticas Universidad Industrial de Santander. Monday, November 5, 2007 at 8:44 am (FA07.
Julio C. Carrillo E. Profesor Escuela de Matemáticas Universidad Industrial de Santander Monday, November 5, 2007 at 8:44 am (FA07.01,02) Para uso exclusivo en el salón de clase. 2007 c Julio C. Carrillo
Más detallesVECTORES. también con letras sobre las cuales se coloca una flechita ( a ). A = módulo de A. modulo o magnitud, dirección y sentido. vector.
VECTORES Según su naturaleza las cantidades físicas se clasifican en magnitudes escalares y magnitudes vectoriales Las magnitudes como el tiempo, la temperatura, la masa y otras, son magnitudes escalares
Más detallesTema 7: Geometría Analítica. Rectas.
Tema 7: Geometría Analítica. Rectas. En este tema nos centraremos en estudiar la geometría en el plano, así como los elementos que en este aparecen como son los puntos, segmentos, vectores y rectas. Estudiaremos
Más detallesDescomposición en valores singulares Notas para los cursos 21 y 22 (J.L. Mancilla Aguilar)
Valores Singulares Descomposición en valores singulares Notas para los cursos y (JL Mancilla Aguilar) Tanto los valores singulares como la descomposición en valores singulares de una matriz son conceptos
Más detallesTeoría Tema 9 Ecuaciones de la recta en el espacio tridimensional
página 1/11 Teoría Tema 9 Ecuaciones de la recta en el espacio tridimensional Índice de contenido Ecuación vectorial, paramétrica y continua de la recta...2 Ecuación general o implícita de la recta...5
Más detalles. Universidad Tecnológica Nacional - Facultad Regional Rosario. Álgebra y Geometría Analítica EL PLANO
. Universidad Tecnológica Nacional - Facultad Regional Rosario Álgebra y Geometría Analítica EL PLANO Autores: Lic. Martha Fascella Ing. Ricardo F. Sagristá 0 Contenido EL PLANO... 3.- Definición del plano
Más detallesPAIEP. Complemento Ortogonal
Programa de Acceso Inclusivo, Equidad y Permanencia PAIEP Universidad de Santiago de Chile Complemento Ortogonal Veamos ahora una aplicación de los vectores ortogonales a la caracterización de subespacios
Más detallesTEMA 7: PROBLEMAS MÉTRICOS EN EL ESPACIO
TEMA 7 Ejercicios / TEMA 7: PROBLEMAS MÉTRICOS EN EL ESPACIO. Calcula el ángulo que forman las rectas x y 4 z 5 y x y 4 z 5 Como los vectores directores u,4,5 y v,4,5 son perpendiculares, las rectas son
Más detallesConceptos básicos de Geometría
Dr. Eduardo A. RODRÍGUEZ TELLO CINVESTAV-Tamaulipas 15 de enero del 2013 Dr. Eduardo RODRÍGUEZ T. (CINVESTAV) 15 de enero del 2013 1 / 25 1 Geometría Afín Geometría Euclidiana Áreas y ángulos Dr. Eduardo
Más detallesun conjunto cuyos elementos denominaremos vectores y denotaremos por es un espacio vectorial si verifica las siguientes propiedades:
CAPÍTULO 2: ESPACIOS VECTORIALES 2.1- Definición y propiedades. 2.1.1-Definición: espacio vectorial. Sea un cuerpo conmutativo a cuyos elementos denominaremos escalares o números. No es necesario preocuparse
Más detallesAlgebra Lineal Xa: Álgebra Vectorial en R3
Algebra Lineal Xa: Álgebra Vectorial en R3 José María Rico Martínez Departamento de Ingeniería Mecánica Facultad de Ingeniería Mecánica Eléctrica y Electrónica Universidad de Guanajuato email: jrico@salamanca.ugto.mx
Más detallesEJERCICIOS DE ÁLGEBRA LINEAL TEMA 1 ESPACIOS VECTORIALES
EJERCICIOS DE ÁLGEBRA LINEAL TEMA ESPACIOS VECTORIALES Formas reducidas y escalonada de una matriz SISTEMAS DE ECUACIONES LINEALES ) Encuentre una sucesión de matrices elementales E, E,..., E k tal que
Más detallesTema II. Capítulo 5. Aplicaciones bilineales y formas cuadráticas.
Tema II Capítulo 5 Aplicaciones bilineales y formas cuadráticas Álgebra Departamento de Métodos Matemáticos y de Representación UDC 5 Aplicaciones bilineales y formas cuadráticas o simplemente f( x, ȳ)
Más detallesMatrices 1 (Problemas). c
º Bachillerato Matrices 1 (Problemas) 1.- Efectúa las siguientes operaciones con matrices: a) 1 4 5 6 + b) 5 7 9 11 1 1 1 1 1 1 c). 4 d) 6. 1 6 1 18 1 g) 0 0 0 0 a 0 b 0. 0 b 0 0 0 c c 0 0.- Siendo A =
Más detallesProblemas de exámenes de Aplicaciones Lineales y Matrices
1 Problemas de exámenes de Aplicaciones Lineales y Matrices 1. Consideramos f End(R n ), que tiene matriz A respecto la base canónica. Cuál de las siguientes afirmaciones es incorrecta? a) Si v es un vector
Más detalles21.1.2. TEOREMA DE DETERMINACIÓN DE APLICACIONES LINEALES
Aplicaciones lineales. Matriz de una aplicación lineal 2 2. APLICACIONES LINEALES. MATRIZ DE UNA APLICACIÓN LINEAL El efecto que produce el cambio de coordenadas sobre una imagen situada en el plano sugiere
Más detallesÁlgebra Lineal VII: Independencia Lineal.
Álgebra Lineal VII: Independencia Lineal José María Rico Martínez Departamento de Ingeniería Mecánica División de Ingenierías, Campus Irapuato-Salamanca Universidad de Guanajuato email: jrico@salamancaugtomx
Más detalles1. Producto escalar. Propiedades Norma de un vector. Espacio normado. 1.2.Ortogonalidad. Ángulos. 1.4.Producto escalar en V 3.
. Producto escalar. Propiedades... Norma de un vector. Espacio normado...ortogonalidad. Ángulos..3.Producto escalar en V..4.Producto escalar en V 3.. Producto vectorial de dos vectores de V 3...Expresión
Más detallesEjercicios del Tema 2: Estructuras algebraicas básicas
Ejercicios del Tema 2: Estructuras algebraicas básicas En los ejercicios 1, 2, 8 y 9 se utilizará que si G = {g 1,...,g n } es un conjunto finito y * una operación interna definida en G, podemos utilizar
Más detallesSolución: I.T.I. 96, 98, 02, 05, I.T.T. 96, 99, 01, curso cero de física
VECTORES: TRIÁNGULOS Demostrar que en una semicircunferencia cualquier triángulo inscrito con el diámetro como uno de sus lados es un triángulo rectángulo. Solución: I.T.I. 96, 98, 02, 05, I.T.T. 96, 99,
Más detallesTRA NSFORMACIO N ES LIN EA LES
TRA NSFORMACIO N ES LIN EA LES C o m p uta c i ó n G r á fica Tipos de Datos Geométricos T Un punto se puede representar con tres números reales [x,y,z] que llamaremos vector coordenado. Los números especifican
Más detallesHerramientas digitales de auto-aprendizaje para Matemáticas
real de con Herramientas digitales de auto-aprendizaje para Matemáticas, Grupo de Innovación Didáctica Departamento de Matemáticas Universidad de Extremadura real de con Índice real de con real de con.
Más detallesEspacios topológicos. 3.1 Espacio topológico
Capítulo 3 Espacios topológicos 3.1 Espacio topológico Definición 3.1.1. Un espacio topológico es un par (X, τ), donde X es un conjunto, y τ es una familia de subconjuntos de X que verifica las siguientes
Más detalles3.1 El espacio afín R n
3. Geometría analítica 3.1 El espacio afín R n Consideremos el conjunto R n, formado por las listas ordenadas (x 1,...,x n ) de números reales. Convengamos en llamar puntos a los elementos de R n. Pero
Más detallesRectas, planos e hiperplanos
Semestre -8, Algebra Lineal 37 Rectas, planos e hiperplanos Recta P punto de la recta L, d vector no nulo de R n (vector director de la recta) X punto de la recta L PX paralelo a d (PX = td) PX = OX OP
Más detallesGeometría del Espacio. Física Geográfica. Licenciatura de Humanidades. Febrero-Mayo,
Geometría del Espacio. Física Geográfica. Licenciatura de Humanidades. Febrero-Mayo, 2007. 42 Índice. 1. Superficies. 2. El espacio eucĺıdeo tridimensional. Coordenadas Cartesianas. 3. Distancia entre
Más detallesContinuidad. 5.1 Continuidad en un punto
Capítulo 5 Continuidad 5.1 Continuidad en un punto Definición 5.1.1 (Aplicación continua en un punto). Sean (X, τ) e (Y, τ ) dos espacios topológicos, y sea f : X Y una aplicación entre ellos. Diremos
Más detallesTema 4: Matrices y Determinantes. Algunas Notas sobre Matrices y Determinantes. Álgebra Lineal. Curso
Tema 4: Matrices y Determinantes Algunas Notas sobre Matrices y Determinantes Álgebra Lineal Curso 2004-2005 Prof. Manu Vega Índice 1. Determinantes 3 2. Regla de Sarrus 3 3. Propiedades de los determinantes
Más detallesTEMA 6. Ángulos, distancias, simetrías Problemas Resueltos
Matemáticas II (Bachillerato de Ciencias) Soluciones de los problemas propuestos Tema 6 88 Ángulos entre rectas y planos TEMA 6 Ángulos, distancias, simetrías Problemas Resueltos Dadas las rectas r y s
Más detallesTema 1. Espacios Vectoriales Definición de Espacio Vectorial
Tema 1 Espacios Vectoriales. 1.1. Definición de Espacio Vectorial Notas 1.1.1. Denotaremos por N, Z, Q, R, C, a los conjuntos de los números Naturales, Enteros, Racionales, Reales y Complejos, respectivamente.
Más detallesTEMA 6 FORMAS BILINEALES Y PRODUCTO ESCALAR
TEMA 6 FORMAS BILINEALES Y PRODUCTO ESCALAR Índice 6.1. Formas bilineales....................... 154 6.1.1. Representación matricial de una forma bilineal. 155 6.1.. Formas multilineales reales............
Más detallesSistemas de ecuaciones lineales dependientes de un parámetro
Vamos a hacer uso del Teorema de Rouché-Frobenius para resolver sistemas de ecuaciones lineales de primer grado. En particular, dedicaremos este artículo a resolver sistemas de ecuaciones lineales que
Más detalles!MATRICES INVERTIBLES
Tema 4.- MATRICES INVERTIBLES!MATRICES INVERTIBLES!TÉCNICAS PARA CALCULAR LA INVERSA DE UNA MATRIZ REGULAR 1 Hemos hablado anteriormente de la matriz cuadrada unidad de orden n (I n ).. Es posible encontrar
Más detallesVerifique los resultados analíticos mediante la resolución gráfica usando un software de Matemática.
Álgebra Geometría Analítica Prof. Gisela Saslavsk Vectores en R en R 3. Rectas planos en el espacio Verifique los resultados analíticos mediante la resolución gráfica usando un software de Matemática..
Más detallesFACULTAD DE CIENCIAS EXACTAS, INGENIERÍA Y AGRIMENSURA U.N.R.
FACULTAD DE CIENCIAS EXACTAS, INGENIERÍA Y AGRIMENSURA U.N.R. PROGRAMA ANALÍTICO DE LA ASIGNATURA: ALGEBRA LINEAL Código L2.07.1 PLAN DE ESTUDIOS: 2002 CARRERA: Licenciatura en Matemática DEPARTAMENTO:
Más detallesPROBLEMAS RESUELTOS ÁLGEBRA LINEAL Tema 3. Transformaciones Lineales
PROLEMS RESUELTOS ÁLGER LINEL Tema. Transformaciones Lineales SUTEM: MTRICES SOCIDS UN TRNSFORMCIÓN Problema : Sean P P los espacios vectoriales de lo polinomios de grado menor o igual a dos menor o igual
Más detallesTema 3: Espacios vectoriales
Tema 3: Espacios vectoriales K denotará un cuerpo. Definición. Se dice que un conjunto no vacio V es un espacio vectorial sobre K o que es un K-espacio vectorial si: 1. En V está definida una operación
Más detallesTEMA 6 Ejercicios / 3
TEMA 6 Ejercicios / 1 TEMA 6: RECTAS Y PLANOS EN EL ESPACIO 1. Ecuaciones de los planos cartesianos en forma vectorial, paramétrica e implícita. Ecuaciones del plano XY: Punto del plano P 0, 0, 0 Vectores
Más detallesUNIDAD I: SISTEMAS DE DOS ECUACIONES CON DOS INCÓGNITAS
UNIDAD I: SISTEMAS DE DOS ECUACIONES CON DOS INCÓGNITAS Sistemas de dos ecuaciones con dos incógnitas. Método de igualación. Método de reducción. Método de sustitución Método de eliminación Gaussiana.
Más detallesÁlgebra Lineal V: Subespacios Vectoriales.
Álgebra Lineal V: Subespacios Vectoriales. José María Rico Martínez Departamento de Ingeniería Mecánica Facultad de Ingeniería Mecánica Eléctrica y Electrónica Universidad de Guanajuato email: jrico@salamanca.ugto.mx
Más detallesDescomposición en forma canónica de Jordan (Segunda versión)
Descomposición en forma canónica de Jordan (Segunda versión) Francisco J. Bravo S. 1 de septiembre de 211 En esta guía se presentan los resultados necesarios para poder construir la forma de Jordan sin
Más detallesMATEMÁTICAS II TEMA 6 Planos y rectas en el espacio. Problemas de ángulos, paralelismo y perpendicularidad, simetrías y distancias
Geometría del espacio: problemas de ángulos y distancias; simetrías MATEMÁTICAS II TEMA 6 Planos y rectas en el espacio Problemas de ángulos, paralelismo y perpendicularidad, simetrías y distancias Ángulos
Más detallesTema 2 Datos multivariantes
Aurea Grané Máster en Estadística Universidade Pedagógica 1 Aurea Grané Máster en Estadística Universidade Pedagógica 2 Tema 2 Datos multivariantes 1 Matrices de datos 2 Datos multivariantes 2 Medias,
Más detallesIN Guía de Problemas Resueltos de Geometría de Programación Lineal v1.0
IN3701 - Guía de Problemas Resueltos de Geometría de Programación Lineal v1.0 Acá va una pequeña guía con problemas resueltos de Geometría en Programación Lineal con problemas básicamente extraídos del
Más detalles3 Curvas alabeadas. Solución de los ejercicios propuestos.
3 Curvas alabeadas. Solución de los ejercicios propuestos.. Se considera el conjunto C = {(x, y, z R 3 : x y + z = x 3 y + z = }. Encontrar los puntos singulares de la curva C. Solución: Llamemos f (x,
Más detallesSolución de Sistemas de Ecuaciones Diferenciales Lineales
Solución de Sistemas de Ecuaciones Diferenciales Lineales Departamento de Matemáticas, CCIR/ITESM 9 de febrero de Índice..Introducción.................................................Ejemplo.................................................3.Ejemplo................................................
Más detallesIES Fco Ayala de Granada Junio de 2011 (Específico Modelo 5) Solución Germán-Jesús Rubio Luna. Opción A
IES Fco Ayala de Granada Junio de 2011 (Específico Modelo 5) Germán-Jesús Rubio Luna Opción A Ejercicio 1 opción A, modelo Junio 2011 específico1 [2'5 puntos] Un alambre de 100 m de longitud se divide
Más detallesSistemas de dos ecuaciones lineales de primer grado con dos incógnitas
Un sistema de dos ecuaciones lineales de primer grado con dos incógnitas tiene la siguiente forma Ax + By + C = 0 A x + B y + C (1) = 0 Ya sabemos que una ecuación lineal de primer grado con dos incógnitas
Más detallesEstos apuntes se han sacado de la página de internet de vitutor con pequeñas modificaciones.
TEMA 1: MATRICES Concepto de matriz Se denomina matriz a todo conjunto de números o expresiones ordenados en filas y columnas. Cada uno de los números de que consta la matriz se denomina elemento. Un elemento
Más detallesEJERCICIOS DE GEOMETRÍA PLANA. 1. Hallar las ecuaciones paramétricas de la recta r que pasa por el punto ( 2, 2) tiene como vector director el vector
EJERCICIOS DE GEOMETRÍA PLANA Hallar las ecuaciones paramétricas de la recta r que pasa por el punto (, ) tiene como vector director el vector v i j A y x a + vt La ecuación paramétrica de una recta es
Más detalles2.2 Rectas en el plano
2.2 Al igual que ocurre con el punto, en geometría intrínseca, el concepto de recta no tiene definición, sino que constituye otro de sus conceptos iniciales, indefinibles. Desde luego se trata de un conjunto
Más detallesI.E.S. Miguel de Cervantes (Granada) Departamento de Matemáticas GBG 1
PRODUCTO ESCALAR INTRODUCCIÓN El espacio vectorial de los vectores libres del plano se caracteriza por tener definidas dos operaciones: una interna, suma de vectores, y otra externa, producto de un número
Más detallesAlgebra Lineal XIX: Rango de una Matriz y Matriz Inversa.
Algebra Lineal XIX: Rango de una Matriz y Matriz Inversa José María Rico Martínez Departamento de Ingeniería Mecánica Facultad de Ingeniería Mecánica Eléctrica y Electrónica Universidad de Guanajuato email:
Más detallesTema 5: Elementos de geometría diferencial
Tema 5: Elementos de geometría diferencial José D. Edelstein Universidade de Santiago de Compostela FÍSICA MATEMÁTICA Santiago de Compostela, abril de 2011 Coordenadas locales y atlas. Funciones y curvas.
Más detallesTEMA 11. VECTORES EN EL ESPACIO
TEMA 11. VECTORES EN EL ESPACIO Dados dos puntos y, se define el vector como el segmento orientado caracterizado por su módulo, su dirección y su sentido. Dos vectores son equipolentes si tienen el mismo
Más detallesDefinición Dados dos números naturales m y n, una matriz de orden o dimensión m n es una tabla numérica rectangular con m filas y n columnas.
Tema 1 Matrices 1.1. Conceptos básicos y ejemplos Definición 1.1.1. Dados dos números naturales m y n, una matriz de orden o dimensión m n es una tabla numérica rectangular con m filas y n columnas. NOTA:
Más detalles1 Curvas planas. Solución de los ejercicios propuestos.
1 Curvas planas. Solución de los ejercicios propuestos. 1. Se considera el lugar geométrico de los puntos del plano tales que la suma del cuadrado de las distancias a los puntos P 1 = (, 0) y P = (, 0)
Más detallesSubespacios Vectoriales
Subespacios Vectoriales Prof. Apuntes del Postgrado en Ingeniería 31 Mayo 2008 Subespacio Definición de Subespacio y Ejemplos. Definición Sea H un subconjunto no vacio de un espacio vectorial V(K). Si
Más detallesEspacios Vectoriales, Valores y Vectores Propios
, Valores y Vectores Propios José Juan Rincón Pasaye, División de Estudios de Postgrado FIE-UMSNH Curso Propedéutico de Matemáticas para la Maestría en Ciencias opciones: Sistemas de Control y Sistemas
Más detallesFunciones de Clase C 1
Capítulo 7 Funciones de Clase C 1 Vamos a considerar ahora la extensión a varias variables del concepto de función de clase C 1. Cada vez que establezcamos una propiedad de las funciones diferenciables,
Más detallesGuía. Álgebra II. Examen parcial III. Transformaciones lineales. Teoremas los más importantes cuyas demostraciones se pueden incluir en el examen
Guía. Álgebra II. Examen parcial III. Transformaciones lineales. Teoremas los más importantes cuyas demostraciones se pueden incluir en el examen 1. Teorema de la representación matricial de una transformación
Más detallesGEOMETRÍA EN EL ESPACIO.
GEOMETRÍA EN EL ESPACIO. Un sistema de coordenadas tridimensional se construye trazando un eje Z, perpendicular en el origen de coordenadas a los ejes X e Y. Cada punto viene determinado por tres coordenadas
Más detallesCOLEGIO UNIVERSITARIO CARDENAL CISNEROS. Libro de Ejercicios de Matemáticas Empresariales II
COLEGIO UNIVERSITARIO CARDENAL CISNEROS Libro de Ejercicios de Matemáticas Empresariales II Manuel León Navarro 2 Capítulo 1 Ejercicios lección 1 1. Sea el conjunto de las matrices cuadradas de orden 2
Más detalles